申请/专利权人：河海大学

申请日：2023-10-13

公开（公告）日：2024-06-28

公开（公告）号：CN117611987B

主分类号：G06V20/10

分类号：G06V20/10;G06V10/80;G06V10/774;G06V10/24;G06V10/40;G06V10/82;G06N3/0464

优先权：

专利状态码：有效-授权

法律状态：2024.06.28#授权;2024.03.15#实质审查的生效;2024.02.27#公开

摘要：本发明公开了一种养殖用海自动识别方法、装置及介质，所述方法通过构建自动识别模型，所述构建自动识别模型中设计了金字塔型尺度感知卷积模块与通道‑空间注意力双关注模块，并进行集成，可以有效增加特征的利用能力，捕获影像更多的全局信息。以高分一号影像为例，对两个模块进行消融实验证明了改进方式的有效性，同时将本方法的预测结果与现有模型的预测结果以及传统的支持向量机、随机森林方法进行对比，结果表明，所提出的改进模型泛化能力更强、识别精度更高，在3个测试区域识别养殖用海的总体精度、平均交并比以及F1分数分别达到了94.86％、87.23％、96.59％，精度明显高于其他方法，证明了该方法对于养殖用海识别的有效性，可以为养殖用海自动化识别提供新的技术支撑。

主权项：1.一种养殖用海自动识别方法，其特征在于，所述方法包括：获取遥感影像数据，所述遥感影像数据包括多光谱影像和全色影像；对所述遥感影像数据进行预处理得到数据集；构建自动识别模型，所述自动识别模型以遥感影像数据作为输入特征图，输出养殖用海识别结果；所述自动识别模型包括金字塔型尺度感知卷积模块和卷积通道-空间双关注注意力模块，所述金字塔型尺度感知卷积内包含不同卷积核的n级金字塔，从金字塔的1级到n级，卷积核大小不断增加，与此同时卷积核的深度不断减小；所述自动识别模型是将每层SegNet网络的第一次标准卷积替换成金字塔型尺度感知卷积，并且通道-空间注意力双关注模块位于SegNet网络第五层网络的池化操作之前；输入特征图经过标准卷积适配至第一通道深度后经过金字塔型尺度感知卷积得到多个特征图，接着经过标准卷积适配回初始通道深度，在每次卷积后加入BN归一层和ReLU激活函数，最后通过快捷连接，输出特征图与输入特征图进行相加作为养殖用海识别结果，由于通道-空间注意力双关注模块位于SegNet网络第五层网络的池化操作之前，只有经过第四层后输出的特征图才会经过通道-空间注意力双关注模块；利用所述数据集训练所述自动识别模型，通过训练好的自动识别模型实现养殖用海自动识别；所述对所述遥感影像数据进行预处理得到数据集，具体包括：对多光谱影像与全色影像进行大气校正和正射校正；将校正后的多光谱影像与全色影像进行图像融合得到融合图像，所述融合图像中保留光谱特征，对所述融合图像进行近红外波段、绿光波段以及蓝光波段的提取，按顺序分别对应红、绿、蓝三个通道；利用标签对所述融合图像进行标注得到标签图，所述标签包括养殖用海标签和非养殖用海标签；对所述融合图像及对应的标签图进行裁剪，并将裁剪后的图像进行样本扩增得到多组样本对，每一组样本对均由融合图像和对应的标签图构成，将所述样本对分为训练数据集和验证数据集；基于所述融合图像及对应的标签图，提取非训练图像区域的多个测试区，对多个测试区分别进行裁剪得到测试区对照图像，并绘制对应测试区对照图像的标签图，组成多个测试区对照样本对。

全文数据：

权利要求：

百度查询： 河海大学 养殖用海自动识别方法、装置及介质

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD